2026年9月29日付の更新として、OpenAIの最新モデルであるGPT‑6.1 Solが案内されています。OpenAIは9月初め、世界で最も知的でアラインメント(alignment)の取れたモデルとして、GPT‑6 Astraを発表しました。そのGPT‑6 ファミリーに、GPT‑6 SolとGPT‑6 Lunaが加わりました。GPT‑6 Astraが新世代の知能を導入したのに対し、SolとLunaはコスト効率の面でフロンティアを押し進めることで、その知能の恩恵を広く行き渡らせるモデルとされています。最も負荷が高く重要なプロジェクトでは引き続きAstraの完全な深さが求められます。一方で、仕事は規模・リズム・予算がそれぞれ異なります。
GPT-6 SolとLunaは、GPT-6 Astraと似た手法で訓練されました。 Astraの専門的な業務、事実性、コーディング、computer use、アラインメントにおける最先端の性能の背景にある進歩を、より高速で手頃なモデルにもたらしています。 GPT-6 モデルは、コストと知能の曲線全体で先頭に立つとされています。
API料金の引き下げとコスト効率
キャッシュと推論の改善により、モデルをより低コストで提供できるようになりました。その節約分をユーザーと顧客に直接還元するため、SolとLunaのAPI料金は、それぞれの先行モデルであるGPT-5.6のプロモーション価格と比べて50%引き下げられました。複数の改善を合わせることで、高度なAIをより多くの日常的なタスクやアプリケーションで大規模に実用的に使えるようになります。
SolとLunaは、すでに使われているモデルに知能の向上とコスト効率をもたらします。対象は、複雑な仕事をこなすのに最も役立つ能力の範囲です。GPT-6 Solは難しい業務タスクに取り組むことができ、より高い利用上限と低コストにより試行錯誤の余地が広がります。また、同程度の価格の競合モデルと比べて、より高い知能とより良い結果を提供するとされています。
業務ワークフローでのベンチマーク結果
アプリをまたぐ業務ワークフローのテストであるAutomationBenchにおいて、xhigh の推論労力のGPT-6 Solは、max の推論労力のClaude Opus 5を上回り、タスクあたりのコストはOpus 5の9%にとどまります。また、high の推論労力のGPT-6 Lunaは先行モデルより5.4ポイント高く、タスクあたりコストは58%低くなります。複雑な専門業務のワークフローでエージェントを評価するAgents' Last Examにおいて、max の推論労力でのGPT-6 Solは56.4%のスコアを記録し、Claude Opus 5の同評価での最高スコアを上回りました。タスクあたりのコストはClaude Opus 5より60%低くなります。AutomationBenchで、GPT-6 SolはClaude Fable 5.1をもはるかに低いコストで上回り、low の推論労力のGPT-6 Astraさえも上回ります。
OpenAIが示したAutomationBenchのコスト比較では、GPT‑6 Sol（xhigh）がスコア33.2%、タスクあたりのコストが$0.27です。GPT‑6 Astra（low）は30.3%で、コストはGPT‑6 Solの3.9倍です。Claude Opus 5（max）は26.9%で11.1倍、Claude Fable 5.1（Opus 5へのフォールバックあり、max）は31.4%で8.9倍を超えます。Fable 5.1のコストには、フォールバック（タスクの約40%で発生）の分が含まれておらず、実際より低く出ています。
複雑な専門的ワークフローでエージェントを評価するAgents' Last Examでは、max の推論労力のGPT-6 Solが、この評価におけるClaude Opus 5の最高スコアを上回り、タスクあたりのコストは60%低くなります。Agents' Last Exam V1は、55の細分産業にまたがる、長時間で経済的価値の高いタスクでエージェントを評価するもので、コンピューター上で行う専門業務の主要分野の大半を対象にしています。また、OpenAIは、回答の有用性は事実を正しく押さえているかどうかに左右されるとして、事実の信頼性の向上を引き続き進めています。
GPT-6 Astraは引き続き全般的に最良のモデルであり、最良の結果と妥協のない体験を求めるときに選ぶモデルとされます。GPT-6 Astraがcomputer useで世界最高のモデルであり続ける一方、GPT-6 SolとLunaは先行モデルよりコスト効率の良い性能を提供します。
コーディング・OSWorldの結果と回答スタイル
2026年、コーディングエージェントは、これまでにない複雑さ・規模・長さのタスクに取り組み始めています。OpenAI社内でも、コーディングエージェントの利用は指数関数的に増えています。コーディングエージェントがより長く要求の高いタスクを担うほど、継続利用のコストの重要性が増します。GPT-6 SolとLunaは、高いコーディング性能と低いAPI料金を両立し、開発者に試行錯誤の余地を与え、チームがCodexに任せる内容についてより野心的になれるようにするとされています。コーディングエージェントが実際のコードベースにマージできる状態の変更を生成するかどうかを評価するベンチマークであるFrontierCodeにおいて、GPT-6 SolはGPT-5.6 Solから大きく向上し、Claude Fable 5.1 xhigh に、はるかに低いコストで並ぶことができます。
DeepSWE v1.1は、実際のコードベースにおける複雑なソフトウェアエンジニアリングタスクでの性能を測るベンチマークです。GPT-6 Solは max の推論労力で68.8%を記録し、Claude Fable 5の同評価での最高スコア（xhigh の推論労力での69.9%）との差は1.1ポイント以内で、タスクあたりのコストは約80%低くなります。DeepSWE v1.1で、GPT-6 Lunaは max の推論労力で66.6%を記録しました。これは medium の推論労力での Claude Opus 5 および Fable 5 に匹敵します。この比較において、LunaのタスクあたりのコストはOpus 5より93%低く、Fable 5より96%低くなります。
OSWorld 2.0 offlineのベンチマークにおいて、xhighの推論労力でのGPT‑6 Solは60.5%を記録しました。GPT‑6 Solは、mediumの推論労力でのClaude Opus 5の60.3%と似たスコアを、タスクあたりのコストを約80%低く抑えて出しています。OSWorld 2.0 offlineでは、maxの推論労力のGPT-6 Lunaが、mediumの推論労力のGPT-5.6 Solをそのコストの10分の1で上回ることができ、xhighの推論労力のGPT‑6 Solはタスクあたりのコストを約80%低く抑えて、mediumの推論労力のClaude Opus 5と同程度のスコアを出しています。
9月初めに、GPT-6 Astraが発表されました。GPT-6 Astraは、世界で最も知的でアラインメントの取れたモデルです。その改善されたコミュニケーションスタイルが、SolとLunaにももたらされました。このスタイルは、技術的な会話やコーディングの会話において特に目立つと見られています。回答全体は、内容を損なわずにやや短くなり、明快さが増し、専門用語や不自然な言い回し、価値の低い詳細が減ると見込まれます。
キャッシュ改善とアラインメント
GPT-6では、トークン価格の引き下げに加え、開発者がアプリケーションで再利用するコンテキストにおいて、さらに節約ができるようになっています。GPT-6はprompt cachingが改善されており、デフォルトでキャッシュヒット率が高まります。これによりエージェントはより多くのコンテキストを再利用でき、応答が速くなり、キャッシュされた入力トークンの読み取りには90%の割引が適用されます。
開発者は、プロンプトキャッシュの性能を測定し最適化する方法が、以前より増えました。Prompt Caching Dashboardは、入力のうちどれだけがキャッシュされているか、その推移がどう変わるかを示します。診断ツールは、キャッシュできたはずの機会を逃した理由と、修正すべき点の把握に役立ちます。明示的なブレークポイントにより、開発者はキャッシュされるプロンプトのプレフィックスがどこで終わるかを選べます。これにより、開発者はキャッシュ再利用の制御を強めることができ、性能が向上することがあります。キャッシュを壊さずに、推論労力やツールの有効・無効を調整できるようになりました。難しいタスクでは推論労力を上げ、簡単な追加の質問では下げられます。エージェントの必要に応じてツールを有効・無効にしても、どちらの操作でも以前のコンテキストがキャッシュ再利用のために保持されます。
GitHubの報告によると、過去数か月間、prompt cachingの改善（キャッシュヒット率の向上や、キャッシュ再利用の制御に関する改善）により、OpenAIモデルへの数十億件のリクエスト全体で、新たに処理が必要なプロンプトトークンの割合が50%超減り、Copilotの応答高速化に役立ちました。
GPT-6 SolとLunaは、これまでで最もアラインメントが取れたモデルとされるAstraで導入したアラインメントの取り組みを土台にしています。アラインメント評価において、SolとLunaはどちらも、対応するGPT-5.6の各モデルより改善を示しており、これにはコーディング作業についての誤解を招く主張の発生率が低下したことが含まれます。ただし、この評価は難しい状況をあえてテストするものであり、通常の利用での失敗率を測るものではありません。全結果はシステムカード(system card)に記載されています。
GPT-6 SolとGPT-6 Lunaは、9月22日からChatGPT WorkとCodexで、Plus、Pro、Business、Enterprise、Eduの全ユーザーが利用可能です。ただし、これらのモデルはChatGPTのChatではまだ利用できません。FreeおよびGoのユーザーは、デスクトップアプリでGPT-6 Lunaを利用できます。OpenAI APIでは、GPT-6 Solは`gpt-6-sol`として、GPT-6 Lunaは`gpt-6-luna`として利用可能です。
OpenAIは、サービスを全員に安定して提供するため、新しいモデルをChatGPTで当日中に段階的に展開する予定です。ChatGPT WorkやCodexで新しいモデルが表示されない場合は、時間をおいて再度試すよう案内しています。
GPTの評価は研究環境またはAPI経由で実施されており、システムプロンプト(system prompt)や利用可能なツールなどの違いにより、本番のChatGPTとは出力がわずかに異なる場合があります。競合モデルの評価は、公開されているレポートから取っています。Claude Fable 5.1のスコアが得られない場合には、Claude Fable 5のスコアを報告しています。
| モデル | Input | Output | Price reduction |
|---|---|---|---|
| GPT‑5.6 Sol → GPT‑6 Sol | $4 → $2 | $20 → $10 | 50% cheaper |
| GPT‑5.6 Luna → GPT‑6 Luna | $0.20 → $0.10 | $1.20 → $0.50 | 50% cheaper |
元記事の表を転載しています(見出しは日本語にしています。値は原文のままです)。出典: 元記事